دانلود پایان نامه های دانشگاه ها

۱    فرضیه ­ها

1. روش­های شبکه عصبی پروسپترون چند لایه در پیش­بینی میزان انواع سپرده­های ریالی بانک سامان، از لحاظ شاخص خطای ریشه میانگین مربع خطا، از روش آریما برتر است.
2. روش­های شبکه عصبی پروسپترون چند لایه در پیش­بینی میزان انواع سپرده­های ریالی بانک سامان، از لحاظ شاخص میانگین قدر مطلق درصد خطا، از روش آریما برتر است.
3. روش­های شبکه عصبی پروسپترون چند لایه در پیش­بینی میزان انواع سپرده­های ریالی بانک سامان، از لحاظ شاخص میانگین قدر مطلق خطا، از روش آریما برتر است.
4. روش­های شبکه عصبی پروسپترون چند لایه در پیش­بینی میزان انواع سپرده­های ریالی بانک سامان، از لحاظ شاخص ضریب تعیین، از روش آریما برتر است.

۱٫۲                روش انجام پژوهش

روش انجام این پژوهش از نظر ماهیت و اهداف، کاربردی است.

روش پژوهش از نظر شیوه انجام

در این پژوهش داده­های مربوط به انواع سپرده­های همه شعب بانک سامان شامل سپرده­های قرض­الحسنه و سپرده­های سرمایه­گذاری مدت­دار و مجموع سپرده­های مذکور که به صورت روزانه از فروردین ۱۳۸۰ تا اسفند ۱۳۹۰ در دسترس بودند را با استفاده مدل آریما و شبکه عصبی مصنوعی پروسپترون چند لایه برای پیش­بینی مورد استفاده قرار می­گیرند. چون داده­های مورد استفاده از نوع داده­های سری زمانی می­باشند، به هنگام استفاده از مدل­های آریما باید پایایی این متغیرها مورد بررسی قرار گیرد که از طریق نمودار خودهمبستگی و خود­همبستگی جزئی و آزمون دیکی – فولر تعمیم یافته، این مسأ‌له بررسی خواهد شد. سپس مدل­های مختلف آریما، با توجه به بررسی­های انجام شده و در نظر گرفتن معیارهای مورد نظر، برآورد می­گردد و پیش­بینی صورت می­پذیرد. برای طراحی و پیش­بینی مدل­های مورد نظر با استفاده از روش آریما از نرم افزار Eveiws استفاده می­شود.

در ادامه از طریق مدل شبکه عصبی، با تاکید بر مدل پروسپترون چند لایه، و با در نظر گرفتن مقادیر مشاهده شده به عنوان متغیر Target و متغیر روند به عنوان متغیر مستقل، مقادیر خروجی مشخص شده و با هدف کاهش میزان خطای برآورد، پیش­بینی انجام خواهد شد. برای طراحی و پیش­بینی مدل­های مورد نظر از نرم افزار MATLAB استفاده می­گردد. در قسمت آخر نتایج دو روش با هم مقایسه شده و پیشنهادها و راهکارهایی نیز ارایه خواهد شد.

برای دانلود متن کامل اینجا کلیک کنید